從一月到三月，彷彿每天都有另一則 AI 宣告。 兩個月後，微軟已通知其工程師放棄 Claude Code，並於 6 月 30 日前改回使用 GitHub Copilot。 優步在四個月內耗盡了整個 2026 年的 AI 編碼預算，每位工程師的 token 成本每月高達 500 至 2,000 美元。 然而，完全由「直覺編碼」打造的主要產品在哪裡？ 到目前為止，我們所見的大多只是示範、包裝、 landing page 和內部工具。 AI 很有用，它能加快工作進度。 但寫程式從來不是最困難的部分。 交付、維護、保障安全、擴展規模，以及打造真正有人使用的產品，仍然需要真正的工程能力。 AI 熱潮可能尚未結束。 但「AI 取代軟體團隊」的敘事，正逐漸趨於冷靜。

🔺 真正的比較基準正在轉移。 對於編碼代理來說，「更好」不僅僅是更智能的輸出。 而是執行的可靠性： 清晰的計劃 受限的編輯 差異可見性 測試證據 回滾路徑 人工批准 一旦代理接觸真實倉庫，信任勝過直覺。

🔺 這是付費代理工具的信任問題。 當工具成為實際工作的一部分時，權限狀態必須可靠且穩定： 明確的過期時間 寬限期 本地警告 審計日誌 恢復路徑 對於代理來說，存取控制不是計費基礎設施。 它是產品的一部分。

安德烈·卡帕西建立了一個個人維基，以與大語言模型一起思考。 我打造了一個會回應的東西。 Claude Code 加上 Obsidian，等於一個真正了解你的 AI。 你的目標。你的背景。你的歷史。你的模式。 不是每個會話都要向你解釋自己的聊天機器人。 一個記住一切、每週使用都會累積進步的第二大腦。 以下是具體的搭建方法。

你有 100 美元可以花在一個 AI 模型上，你會選擇哪一個？ 1. Codex 2. Claude Code

最近刷到一個挺猛的項目：obra/superpowers ⭐️20w+ 說真的，這個星數已經不是普通工具級別了。 之前自己搞 agent 時，最頭痛的就是： 流程越寫越亂、skills 到處複製，後面根本不敢改。 後來看到 superpowers 這個思路真有點東西： • 技能模組化，可組合 • agent 協作邏輯比較清晰 • 從 demo 到生產的整套鏈路都給你想好了 上週用它搭了個程式碼審查 agent。 以前我都是一堆 prompt 硬堆，現在拆成 skill 後，多 agent 配合明顯順很多。 感覺現在做 agent，已經開始從「拼 prompt」變成「搭系統」了。